基于高光谱遥感的玉米叶绿素含量估测模型

被引：18

作者：

吕杰

汪康宁

李崇贵

史晓亮

机构：

[1] 西安科技大学测绘科学与技术学院

来源：

中国矿业大学学报 | 2016年 / 45卷 / 02期

关键词：

高光谱遥感; 玉米; 叶绿素; 估测; 支持向量机;

D O I：

10.13247/j.cnki.jcumt.000487

中图分类号：

S513 [玉米（玉蜀黍）]; TP18 [人工智能理论];

学科分类号：

0901 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

运用粒子群优化算法和支持向量机构建叶片尺度玉米叶绿素含量高光谱估测模型,估测玉米叶片叶绿素含量.通过辐射传输模型(PROSPECT)模拟的玉米光谱和所对应的叶绿素含量建立训练数据集;采用粒子群优化算法和支持向量机(PSO-SVM)学习训练数据集,建立研究区实测叶片叶绿素含量估测模型;利用近地高光谱遥感获取的玉米光谱建立验证数据集,将玉米叶片叶绿素含量估测模型运用到验证数据集,估测研究区玉米叶绿素含量.叶绿素含量反演结果的方根误差MSE=76.178 6,叶绿素含量实测值与叶绿素含量估测值的相关系数R2=0.871 2.结果表明:粒子群优化算法和支持向量机构建的反演模型能准确预测玉米叶绿素含量,能够解决小样本玉米采样点情况下叶绿素含量反演问题,可以作为玉米叶绿素含量快速、无损估测的一种新方法.

引用

页码：405 / 410

页数：6

共 13 条

[1] 基于混合熵和L1范数的遥感图像分类 [J].

王雪松 ;

高阳 ;

程玉虎 ;

汪婵 .

中国矿业大学学报, 2012, 41 (06) :971-977

[2] 基于支持向量机的矿区土地覆盖变化检测 [J].

杜培军 ;

柳思聪 ;

郑辉 .

中国矿业大学学报 , 2012, (02) :262-267

[3] 冬小麦叶绿素含量高光谱检测技术 [J].

王伟 ;

彭彦昆 ;

马伟 ;

黄慧 ;

王秀 .

农业机械学报, 2010, 41 (05) :172-177

[4] 大豆叶绿素和钾素信息的冠层光谱响应 [J].

乔欣 ;

马旭 ;

张小超 ;

梁留锁 .

农业机械学报, 2008, (04) :108-111+116

[5]

基于机器学习和辐射传输模型的农作物叶绿素含量高光谱反演模型[D]. 吕杰.中国地质大学(北京). 2012

[6] Approximating support vector machine with artificial neural network for fast prediction [J].

Kang, Seokho ;

Cho, Sungzoon .

EXPERT SYSTEMS WITH APPLICATIONS, 2014, 41 (10) :4989-4995

[7]

A novel feature selection method for twin support vector machine[J] . Lan Bai,Zhen Wang,Yuan-Hai Shao,Nai-Yang Deng.Knowledge-Based Systems . 2014

[8]

Automated defect detection in sewer closed circuit television images using histograms of oriented gradients and support vector machine[J] . Mahmoud R. Halfawy,Jantira Hengmeechai.Automation in Construction . 2014

[9]

Remote estimation of nitrogen and chlorophyll contents in maize at leaf and canopy levels[J] . M. Schlemmer,A. Gitelson,J. Schepers,R. Ferguson,Y. Peng,J. Shanahan,D. Rundquist.International Journal of Applied Earth Observations and Geoinformation . 2013

[10]

Modelling leaf chlorophyll content in broadleaf and needle leaf canopies from ground, CASI, Landsat TM 5 and MERIS reflectance data[J] . H. Croft,J.M. Chen,Y. Zhang,A. Simic.Remote Sensing of Environment . 2013

← 1 2 →